基于的差异可见度图的复杂时间网络分析,在睡眠期间有或没有电状态 (ESES) 患者
Zhipeng He1, Xinxin Peng2, Shishi Tang1
1Department of Biomedical Information, Zhongshan School of Medicine, Sun Yat-Sen University, Guangzhou, 510080 Guangdong China.
Health information science and systems
|February 23, 2026
概括
在睡眠期间 (ESES) 具有电状态性症显示出独特的EEG复杂性差异. 本研究确定了用于诊断ESES的中部和左侧体区域的潜在神经电气生物标志物.
科学领域:
- 神经科学是一个神经科学.
- 发病学 (Epileptology) 是一个专业的学科.
- 计算神经科学是一种神经科学.
背景情况:
- 与睡眠中的电状态 (ESES) 是一种具有神经功能障碍的儿童脑病.
- 以前的研究表明ESES中大脑功能异常,但具体的生物标志物尚不清楚.
研究的目的:
- 用可见度图方法分析电脑电图 (EEG) 信号,以确定ESES的神经生理生物标志物.
- 探索ESES和非ESES患者群体之间的EEG复杂性的差异.
主要方法:
- 利用差异可见度图 (DVG) 来从非快速眼动 (NREM) 睡眠EEG数据中构建复杂的时间网络.
- 分析了18名ESES患者和19名非ESES患者的EEG数据.
- 使用DVG的度度来量化网络复杂度.
主要成果:
- 与非ESES组相比,ESES组的DVG度较高.
- 在中央和左侧部区域观察到DVG度的显著差异.
- 这项研究是首次应用DVG方法来比较ESES和非ESES组.
结论:
- 基于DVG的复杂时间网络有效地区分ESES和非ESES患者.
- 这些发现表明ESES诊断和监测的潜在神经电气生物标志物.
- 这项研究为改善ESES管理提供了理论支持.
更多相关视频
09:32Network Analysis of Foramen Ovale Electrode Recordings in Drug-resistant Temporal Lobe Epilepsy Patients
Published on: December 18, 2016
13.0K
10:23Equipment Setup and Artifact Removal for Simultaneous Electroencephalogram and Functional Magnetic Resonance Imaging for Clinical Review in Epilepsy
Published on: June 23, 2023
2.8K
